在今天，狂熱追捧ChatGPT，仿佛已經(jīng)成為了一種“政治正確”。

ChatGPT一出，學(xué)界、工業(yè)界無不驚為天人。一位研究機(jī)構(gòu)的資深研究員就對(duì)AI科技評(píng)論說過：“ChatGPT出來，直接給我們整不會(huì)了——生成做的比我們好就不說了，NLP（自然語言處理）能力還比我們強(qiáng)不少。”

微軟注資百億美元，谷歌則如臨大敵，ChatGPT在科技圈里掀起的巨浪，仍是現(xiàn)在進(jìn)行時(shí)。

但是，ChatGPT并非“萬能鑰匙”——大模型在某些專業(yè)領(lǐng)域的準(zhǔn)確度，仍然無法超越其他垂類產(chǎn)品。近日，騰訊AI Lab 就通過實(shí)驗(yàn)證明，在機(jī)器翻譯領(lǐng)域，ChatGPT在某些情況下，能力弱于其他商業(yè)翻譯產(chǎn)品。

論文地址：https://arxiv.org/pdf/2301.08745v1.pdf

1
ChatGPT是個(gè)好翻譯嗎？

騰訊AI Lab的調(diào)查文指出：

首先，在高資源環(huán)境——如歐洲語言上——ChatGPT的表現(xiàn)與商業(yè)翻譯產(chǎn)品（如谷歌翻譯、DeepL Translate）相比具有競(jìng)爭(zhēng)力，但是，在低資源環(huán)境——如古代語言——明顯落后；

其次，在翻譯的魯棒性上，ChatGPT在生物醫(yī)學(xué)摘要、或Reddit評(píng)論方面表現(xiàn)不如商業(yè)翻譯產(chǎn)品，但是在口語方面也許會(huì)是一個(gè)很好的翻譯工具。

為了更好地理解ChatGPT的翻譯能力，騰訊AI Lab從以下三個(gè)方面開展實(shí)驗(yàn)：

提示詞（Prompt）翻譯：ChatGPT是一個(gè)大型語言模型，在翻譯時(shí)需有提示詞（Prompt）作為引導(dǎo)才能引導(dǎo)系統(tǒng)進(jìn)行翻譯。所以，提示詞的風(fēng)格會(huì)影響翻譯輸出的質(zhì)量。例如，在多語言機(jī)器翻譯模型中，如何將兩種語言信息聯(lián)系起來非常重要，這通常是通過附加語言標(biāo)記來解決。

多語言翻譯：ChatGPT是一個(gè)處理各種NLP任務(wù)并涵蓋不同語言的單一模型，可以被視為一個(gè)統(tǒng)一的多語言機(jī)器翻譯模型。因此，ChatGPT在資源差異（如高與低）和語系差異（如歐洲與亞洲）上的表現(xiàn)是該實(shí)驗(yàn)所探討的重點(diǎn)之一。

翻譯魯棒性：ChatGPT是基于GPT-3開發(fā)的模型，GPT-3在涵蓋各種領(lǐng)域的大規(guī)模數(shù)據(jù)集進(jìn)行上訓(xùn)練，因此，在特定領(lǐng)域的表現(xiàn)，是這次研究者們的重點(diǎn)之一。

提示詞翻譯

為了設(shè)計(jì)觸發(fā)ChatGPT機(jī)器翻譯能力的提示詞，騰訊AI Lab團(tuán)隊(duì)向ChatGPT提出以下prompt：

提供十個(gè)可以讓你翻譯的簡(jiǎn)明提示或模版

并獲得圖1中的結(jié)果：

圖1: ChatGPT推薦的10個(gè)可引發(fā)其進(jìn)行機(jī)器翻譯的prompt

生成的提示語看起來很合理，但是都有相似的格式，研究人員將它們總結(jié)成三個(gè)候選prompt（如圖2），其中[SRC] 和 [TGT] 分別代表翻譯的源語言和目標(biāo)語言。另外，研究人員在Tp2中增加了一個(gè)額外命令，要求ChatGPT不要在翻譯的句子上加雙引號(hào)（在原始格式中經(jīng)常發(fā)生）。盡管如此，ChatGPT依舊不穩(wěn)定，如會(huì)將同一批次的多行句子翻譯成單行。

圖2：候選翻譯提示

研究人員將三種不同的候選prompt與Flores-101的測(cè)試集在漢譯英任務(wù)中的表現(xiàn)進(jìn)行比較，圖3顯示了ChatGPT和其他三個(gè)翻譯軟件的結(jié)果。雖然ChatGPT提供了相當(dāng)好的翻譯，但它仍然落后于基線至少5.0個(gè)BLEU點(diǎn)。關(guān)于三個(gè)候選prompt，Tp3在所有指標(biāo)方面表現(xiàn)的最好，因此在這篇論文中，研究者默認(rèn)使用Tp3。

圖3：在中譯英翻譯任務(wù)中ChatGPT使用不同提示語的翻譯表現(xiàn)對(duì)比

多語言翻譯

騰訊AI Lab選擇了四種語言來評(píng)估ChatGPT在多語言翻譯中的能力，包括德語（De）、英語（En）、羅馬尼亞語（Ro）和中文（Zh），這些語言在研究和競(jìng)賽中都被普遍采用。前三種語言同來自拉丁語系，而后一種則來自中文語系。研究人員測(cè)試了任意兩種語言間的翻譯表現(xiàn)，共涉及12次翻譯。

資源差異

通過實(shí)驗(yàn)發(fā)現(xiàn)，在同語系中不同語言也存在資源差異。在機(jī)器翻譯中，德英互譯通常被認(rèn)為是一個(gè)高資源任務(wù)，有超過1000萬條語料。而羅馬尼亞語與英語間互譯語料要少得多。

如圖4所示，ChatGPT在德譯英和英譯德上，與谷歌翻譯和DeepL可以分庭抗禮；而在羅馬尼亞語譯英，和英譯羅馬尼亞語方面，則要明顯落后。具體來說，ChatGPT在英譯羅馬尼亞語上獲得的BLEU分?jǐn)?shù)比谷歌翻譯低了46.4%。

圖4：ChatGPT在多語言翻譯中的表現(xiàn)

研究者認(rèn)為，英語和羅馬尼亞語之間的單一語言數(shù)據(jù)的巨大資源差異，限制了羅馬尼亞語的語言建模能力，這部分解釋了將英語翻譯成羅馬尼亞語表現(xiàn)差的原因。

相反，羅馬尼亞語譯成英語可以受益于強(qiáng)大的英語建模能力，使平行數(shù)據(jù)的資源缺口可以得到一定程度的補(bǔ)償。

語系

同時(shí)，研究人員也考慮了語系的影響。

通常認(rèn)為，對(duì)于機(jī)器翻譯，不同語系之間的翻譯通常比同一語系間翻譯更難。研究人員發(fā)現(xiàn)，德英互譯、漢英互譯，或者德漢互譯在文化和書寫方式上存在差異。

另外可以發(fā)現(xiàn)，在這幾種翻譯中，ChatGPT和幾款商業(yè)翻譯軟件間差距較大，研究者認(rèn)為，這是因?yàn)樵谕徽Z系中知識(shí)轉(zhuǎn)移比在不同語系間要好，對(duì)于既是低資源又來自不同語系的語言來說（如羅馬尼亞語和漢語的互譯），這種差距會(huì)進(jìn)一步擴(kuò)大。

由于ChatGPT在一個(gè)模型中處理不同的任務(wù)，低資源的翻譯任務(wù)不僅與高資源的翻譯任務(wù)競(jìng)爭(zhēng)，而且還與其他NLP任務(wù)競(jìng)爭(zhēng)模型容量，這說明其性能表現(xiàn)欠佳。

翻譯魯棒性

騰訊AI Lab進(jìn)一步評(píng)估了ChatGPT在WMT19 Bio和WMT20Rob2和Rob3測(cè)試集上的翻譯魯棒性，這些測(cè)試集引入了領(lǐng)域偏見和潛在的噪聲數(shù)據(jù)。

例如WMT19 Bio測(cè)試集是由Medline摘要組成的，這需要特定領(lǐng)域的知識(shí)處理，WMT20Rob2是來自Reddit的評(píng)論，可能包含各種錯(cuò)誤，如拼寫錯(cuò)誤、單詞遺漏、插入重復(fù)、語法錯(cuò)誤、破壞性語言，和網(wǎng)絡(luò)俚語等。圖5列出了BLEU分?jǐn)?shù)，顯然ChatGPT在WMT19 Bio和WMT20Rob2測(cè)試集上的表現(xiàn)不如谷歌翻譯和DeepL Translate。

圖5：ChatGPT在翻譯魯棒性方面的表現(xiàn)

原因可能在于，像谷歌翻譯這樣的商業(yè)翻譯產(chǎn)品往往需要不斷提高其翻譯特定領(lǐng)域（如生物醫(yī)學(xué)）或噪音句子的能力，因?yàn)樗鼈兪乾F(xiàn)實(shí)世界的應(yīng)用，需要對(duì)分布之外的數(shù)據(jù)有更好地概括性，ChatGPT不太能夠完成這一點(diǎn)。

不過，一個(gè)有趣的發(fā)現(xiàn)是，ChatGPT在包含眾包語音識(shí)別語料的WMT20Rob3測(cè)試集上大大超過了谷歌翻譯和DeepL Translate。這表明，ChatGPT本質(zhì)上是一個(gè)人工智能對(duì)話工具，能夠比商業(yè)翻譯軟件生成更自然的口語（見圖6）。

圖6：來自WMT20魯棒集set3的例子

2
ChatGPT應(yīng)如何揚(yáng)長(zhǎng)避短？

從該研究可知，高舉高打的ChatGPT每訓(xùn)練一次就耗費(fèi)大量算力資源，但也不能在全領(lǐng)域盡善盡美。所以，一些人開始思考，是否應(yīng)該“摒棄”大模型思路，轉(zhuǎn)而去做“精耕細(xì)作”的小模型。

騰訊AI Lab在Chat GPT“測(cè)評(píng)”中提到，羅馬尼亞語與英語互譯，相較德英互譯存在較大差距，原因在于：巨大資源差異，限制了羅馬尼亞語的語言建模能力，也恰恰證明，AI學(xué)習(xí)能力常常受到低資源的掣肘。

但也有資深學(xué)者認(rèn)為，盡管現(xiàn)時(shí)ChatGPT仍存在不少不足之處，但仍然對(duì)研究者和創(chuàng)業(yè)者有著不少啟示。以ChatGPT為代表的AI 3.0走的是跟過去 AI 浪潮不一樣的路，即更落地、更接近真實(shí)世界，在工業(yè)應(yīng)用上，更直接，更落地，從學(xué)術(shù)研究到工業(yè)落地的路徑也變得更短、更快。

未來，“helpful, truthful, harmless”的 AI 系統(tǒng)會(huì)成為現(xiàn)實(shí)。

雷峰網(wǎng) (公眾號(hào)：雷峰網(wǎng)) 雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見 轉(zhuǎn)載須知 。